數位轉型是近幾年的企業顯學,但大家談論數位轉型時更多的是改變行銷、服務、生產等環節。其實,企業內部各個部門都有數位轉型的機會,對於提升效率、節約成本、優化流程有著隨著顯著作用,本文帶大家來看看採購環節的數位轉型。供應鏈的快速發展,以往採購的訂單式管理在慢慢的向供應商管理靠攏,本文將探究這種變化的原因以及數據在供應商管理中的一些應用。 一、為什麼要對供應商進行管理? 供應商管理的發展要從美國三大供應鏈管理協會說起:供應管理協會(ISM)、運營管理協會(APICS)、供應鏈管理專業人士協會(CSCMP),三者分別側重於採購管理、運營管理、物流管理。其中供應管理協會的前身為美國採購經理聯合會(NAPM),名稱的更改同時標誌著採購地位的提升,從訂單處理轉為對供應商的戰略管理。 將供應商管理提升到戰略的高度,主要原因來源於以下三個方面: 1.供應鏈複雜度的提高: 隨著技術驅動、供應商整合等行業市場因素,供應鏈趨於全球化、多級化,供應商區域逐步整合。導致供應商數量大大增加,供應商議價能力不斷提高。 2.供應鏈風險的增大: 在數位時代,企業的很多數據資料處於透明狀態,一旦發生質量、缺貨問題很容易給企業帶來大量損失。 3.企業自身腐敗問題的優化: 採購的腐敗問題主要發生在兩個階段,供應商的尋源和供應商的後期管理。在尋源階段如果沒有系統的供應商評估和流程,如果只是拍腦袋,按照價格進行評估,就為尋源經理的腐敗創造了客觀條件;供應商的後期管理階段如果沒有績效管理,一些不良供應商就可能長期隱藏。 二、數據在供應商管理中的作用 既然供應商管理如此重要,那麼數據如何在其中發揮作用? 供應商的數據化管理主要發生在供應商尋源、供應商分類、供應商的後期管理三個方面。 在供應商尋源上提供各家供應商可量化的數據對比與數據分析,避免拍腦袋選擇供應商,提高供應商的質量水平、減少在供應商尋源階段的腐敗現象; 在供應商分類階段提供數據支援,對現有供應商分類維護; 在供應商後期管理方面,提供持續化的績效量化分析,繼續排除質量等方面不合格的供應商,同時告訴供應商一個資訊:我們在對你們的績效進行對比分析! 從而激勵供應商對自身加大監管。 供應商的數據化管理根據各家企業管理模式的不同,在業務展現上有所不同,但是所用的指標有一定的借鑒性。下面就指標如何分解,以及各個指標的含義和關聯展開描述。 三、如何把業務分解為可量化的指標? 供應商管理的指標沒有定式,一定要是符合自身企業供應商管理水平的指標,確保整套體系能夠運用在具體業務中。關於指標庫的建立,有一些工具可以使用,比如計分卡、SCOR模型等,具體指標分解的工具後續帆軟研究院會開單章介紹,這裡我們就浙江傳化BI指標庫的建設進行簡單解析。 從下圖中可以看出,指標的獲取主要分為兩種方式、一個保障。 方式一:組成調研小組,對業務進行訪談調研,對指標進行總結; 方式二:調研小組從供應鏈整體的角度對指標進行細分; 保障:確保統計口徑一致、統計標準客觀,供應商之間有可對比性。 三者結合對指標進行篩選,從而建立指標庫。 四、具體指標的解讀 下圖是供應商管理常用的一些指標,主要從五個方面來對供應商進行評估和管理:供應商財務能力、成本、交貨、質量、服務。 可以看到,財務能力是在供應商和公司日常業務之外的補充考核,是通過財務對供應商資質的分析,為企業在選擇供應商方面提供了強力依據。故,下面針對財務能力進行詳細介紹。 此處的財務分析主旨是層層分解,從財務指標深入到運營指標,再到資本結構,力求全面分析供應商的財務狀況。總體上看,財務指標屬於歷史數據,往往沒有絕對意義,需要和歷史數據、競爭對手數據、行業數據進行對比分析。 一般上市公司的財務指標都容易獲取,但是對於非上市的企業一些固有的指標就比較難以獲取,這時可以通過該供應商和企業之間的財務往來記錄進行間接分析,也可以對供應商的財務狀況有一個清晰的認識。 供應商財務能力: 供應商的財務能力分析從清償能力開始、清償能力取決於盈利能力,盈利水平取決於公司的周轉能力,最後是資本結構,是供應商的基石,決定供應商的長期績效。 1.清償能力: 清償能力的衡量是為了判斷供應商是否有資金鏈中斷的風險,在這裡要注意的是不要把庫存當作流動資產計算在內,如果庫存計算在內,可同時對比庫存周轉率或庫存周轉天數,來綜合判斷公司清償短期債務的能力。 流動比率 公式:流動資產/流動負債。 說明:體現該公司清償短期債務的能力,低於2就說明該公司可能有短期清償困難。 速動比率 公式:(流動資產-庫存)/流動負債。 說明:體現供應商清償短期債務的能力,低0於.5表明該公司的現金流風險高。 凈運營資本周轉率 公式:(流動資產-流動負債)/總資產。 說明:體現供應商的清償能力,必須是正的,否則說明該公司有資金中斷的風險。 2.盈利能力: 主要體現為資產回報率和凈利潤率,比較適合公司和公司之間的對比分析。 資產回報率 公式:凈收入/平均總資產。 說明:體現供應商利用資產的效率,用做供應商之間的對比分析,當一個公司的資產回報率低於另一個公司時,往往說明改公司在技術、庫存管理、質量控制等方面存在不足之處。 凈利潤率 公式:凈利潤/營業額。 說明:體現供應商的盈利能力,越高越好,但是因為行業間指標數值差距大,需要做對比分析,可以與競爭對手、歷史數據、計劃數據進行對比,從而看出公司的盈利水平。 3.周轉能力: 周轉能力不僅包括應付賬款、應收賬款,同時也包含庫存管理能力等。 應收賬款周轉率 公式:銷售額/平均應收賬款。 […]
文 | 郭朝暉 源 | 蟈蟈創新隨筆 我曾經用了12年的時間做了一個數據建模工作。這件事做完以後,我就在想:這些時間到底花在哪裡了?再遇到類似的問題,能不能把效率提高、時間縮短? 這12年的時間,都用在什麼地方了? 這些年大體上分成兩個階段:前面一個階段是戰略層面探索階段,目的給出技術目標、以便「做正確的事」;後面一個階段是戰術探索階段,目的是把模型建立起來,以便「正確地做事」。兩個階段花的時間大體相當。 先談戰略層面的探索 很多人不明白,為什麼技術目標還需要探索?做創新的第一步,不就是確定用戶需求嗎?的確如此。但用戶需求不一定是那麼清楚的。確切地講:用戶的原始需求是非常清楚的,但原始需求往往是不能實現的(參見我經常說的人擇難題)。我們要找到需求和可行性的交匯點,要比世界上其他人更接近用戶的原始需求。 打個比方:癌症病人的原始需求是:儘快、用沒有痛苦的辦法把病治好。但現實可能是:既治不好更談不上快、也不可能沒有痛苦。好的醫療方案是要在延長壽命、減少痛苦兩個方面做出權衡。而要找到這樣的方案,需要做大量的檢查和測試。特別地,如果這個病非常奇怪,確診過程都是件困難的事情。 具體回到數據建模,我要考慮的是:模型的精度到底能多高、應用範圍應該有多大、可靠性如何;根據這些條件,模型適合用在哪些場合、要用到這些場合還需要解決哪些問題。特別地,這些問題都與產品(如鋼種、用戶具體需求)有關。 如果再有機會做這樣的專案,我覺得完全可以用10%左右的時間完成這些探索。提高效率的原因,是減少一些不必要的探索。當然,前提是數據條件足夠的好。如果條件很差,得到的結論可能是:這件事根本沒法做。我希望有時間,把這些探索過程抽象成一個方法套路。 再談戰術級別的探索 戰術層面的探索,主要是不斷地修訂模型和參數。我和很多人說過:我用的方法很簡單,幾乎都是線性回歸、甚至主要是一元線性回歸,而不是一些時髦、高深的做法。採用線性回歸,不是因為不會其他方法,而是我不太相信這些方法。因為我追求的一個目標就是可靠性。要追求可靠性,就要與專業知識聯繫起來。如果用了主成分分析、神經元等方法,對機理的認識就難以融合了。當然,我也不完全排斥這些方法。比如,這些方法可以用在純粹的擬合問題上,只是沒有遇到合適的應用場合。我記得有個大科學家曾經說過類似這樣的話:世界的本質是簡單的。世界最不可思議的地方,在於它是可以理解的。 能用線性回歸解決這個問題,可以說是「上帝的眷顧」。這個專案做到後面,我真的是必須堅持下去:否則前功盡棄了。為了減少失敗的風險,我還讓盡量少的人加入到這個團隊中。我的想法是:如果一旦失敗,損失也小一點。 線性回歸為什麼會花這麼長時間呢?很多的時間確定模型和參數。探索時間過長源自於可靠性和準確度要求高。要滿足這個要求,教科書和論文上的做法,往往不靠譜:因為我們很難滿足「定理」的條件。要做好這件事,要回歸認識論、有點哲學思考,然後再落實到可操作的工作上。 比如,波普的科學哲學強調科學原理的特點是「可證偽」。而具體操作層面的做法,就是要從不同的角度對分析結論進行驗證。一個重要的做法是:在不同的組別內做嚴恆,要求各個組別的分析結果基本一致。這時我們經常遇到:在一批數據中,某個參數的係數是750,在另外一批數據中則是850。當這種差異不能忽視時,就要進行深入的研究。 一般來說,這種差異可能來自幾個方面:忽視了某個要素、忽視了非線性因素(用線性回歸方法得到的模型未必都是線性的,可能含有一些非線性項。這裡不解釋,參見教科書)。總之,建模的過程可能存在系統性的干擾。這時,就要把這種系統的干擾拿進來,重新修訂模型。 「把干擾因素拿進來」意味著開始數據分析的時候,只用了部分變數。為什麼不在一開始的時候,就把盡量多的變數拿來一起建模呢?其實,建模一定是從簡單到複雜的:如果一開始就把很多變數拿進來,可能每個參數都不靠譜,模型就變成了「沙漠中的大廈」、沒有辦法深入下去。所以,我們的思路是先把最簡單的問題搞清楚,搞清楚一個算一個,一步一個腳印地往前走。當然,把最初的幾個變數分析清楚是有條件的。關鍵是找到合適的數據集,這是要碰運氣的。 「戰術級別探索」的大體流程是這樣的: 1、選擇適當的數據集,把某些關鍵要素的影響搞清楚。 2、用分組的辦法,檢驗模型的穩定性;如果滿意,進入第4步。 3、如果模型穩定性差,考慮其他因素的干擾,重新修訂參數,直到滿意。 4、對精度和要素的全面性做評估;評估滿意,專案結束。否則進入下一步。 5、回到第1步,選擇新的數據集,加入新的影響因素。 這個過程,就像微分方程中的「李雅普諾夫函數」,讓運動不斷收斂。收斂的過程就是認識不斷加深的過程。我也知道:這個流程還沒有把工作過程完全說清楚,還涉及到很多技術性問題:如對模型的評估、數據集的構造等。這些還有待以後的細化。總之,過程相當複雜。 即便是同樣的問題,如果讓我重新再來,也要花很長的時間,比如40%。在專案開展的過程中,我曾經試圖用一些演算法,提高分析效率。但這些努力的效果不大。當然,在這一方面的努力也不夠:作為企業研究人員,真的是想快點把具體的研究結果拿出來,而不是研究通用方法。但這個夢想卻一直都在。 不久前,我在工程院談了一個觀點:在未來智慧製造時代,物質生產主要交給機器去做,人類主要做知識生產者。數據分析過程,是一種典型的知識生產過程。今後,要提高人類的生產力水平,就要提高知識生產的效率。 數據分析的過程,是利用計算機分析數據;對效率影響最大的就是人的介入。這樣,要提高知識生產的效率,就要把人的介入盡量減少,提高分析的自動化水平。為此,就要把分析過程流程化、標準化——這個原理和物質生產的自動化是一樣的。 這件事或許值得我把後半生的學術生涯投入進來。
為什麼傳統企業的數據分析工作很難推動? 某數據大牛說過,數據分析實現價值的最好狀態是「不僅僅得到有創造力的數據分析結果,還要能夠運用策略和各業務部門合作」,但是現狀是,大部分企業第一步都沒做好,又怎麼去做第二步。 如果說互聯網的數據分析「短平快」,那傳統企業的數據分析工作更需要一步一步來。 傳統行業的數據應用並不是十分先進。一方面企業E化程度並不是很高,底層基礎還不紮實,業務系統沒上全或沒用起來,數據倉庫還在建設中;另一方面,傳統企業的業況很龐雜,大量的上下游,業務交叉,往往流程上還是混亂的狀態。而IT資訊部門或者數據中心並不是核心部門,大多是服務性質,有些改革一旦涉及戰略,還會觸動上層的利益。這都決定了企業數據分析是一個被動而長線的工作。 那這樣的情況下,如何去推動數據分析工作並得到老闆重視? 1、注意關注企業的痛點,對於那些高品、剛需的痛點,首先要去滿足。 從以往的實踐來看,為什麼有的老闆會逐漸覺得數據重要,實際上很大原因是做了運算管理以後,老闆能對比分析中下層的管理情況,能看到關心的結果,逐漸看到數據的價值。 那麼,如果要讓數據分析產生成噸的效果,並為老闆認可記住。那我們就在一些癥結問題,棘手的問題上用數據分析去解決,優先滿足眼下,高品剛需的痛點。 日常,我們就把關鍵指標、關鍵績效通過儀表盤展示出來。老闆往往更關注實在的指標,例如銷售額、核心客戶數、虧損量,圍繞這些指標去做分析,去幫助做KPI管理,有時更能帶來實效。 2、嘗試用數據分析的過程去優化管理決策 決策過程是為分析提供場景。決策可以分為這樣幾個層面:最高的層面是戰略決策,然後是戰術決策,還有經營決策。它們的頻度和影響是不一樣的,戰略層面上的影響非常大,一般企業每過5年、10年或者更大的一個周期,才會去做一個戰略上的變化,戰術的決策次之。數據分析先要服務好經營層面的決策,服務好每個業務部門的核心目標。 操作上,在前期建立數據平台時,可以不斷定一些目標,定一些主題,做成果展示,經常讓業務人員以及管理者分享,讓其參與評價和建議,不斷優化和改善,當相關人員都有參與感時,數據平台才會持久發展。 3、學會告訴老闆數據分析帶給企業的效益 製作一個有表現力的圖表或報告讓老闆眼前一亮,也許背後開發的心血可能老闆看不到,但是一個非常亮麗的報表尤其是在超越了老闆期望的情況下才是IT的最高境界。數據分析要在老闆下一個需求位置等而不是永遠跟在他的需求後面跑,力求創新。 4、細節著手,潛移默化地培養老闆和老闆的數據化意識 · 首先,讓數據快速地展現,創造方便,盡量少用郵件Excel以及紙質報表,可以用行動端把老闆關心的指標展示出來,每天定時定點推送,培養這樣的習慣。 · 還有,有的企業尤其是大型國有集團,會常常使用數據大屏,一旦有政府老闆或者合作方來參觀的時候,老闆會覺得倍兒有面子。其次,競品也是一回事,數據分析和大數據已經成為很多的共識,外界各行各業都有關於數據的大會,有特定的CIO圈,老闆圈。其實老闆比任何人都重視效益和效率,可以說服他們經常參加這樣的會議,看行業領先者如何做的,看競品如何做的。 · 最後,彙報時強調這是數據分析帶來的結果balabala,現在很多彙報都可以用電子的形式、製作美觀易讀的圖表展示出來,總監可以直接用數據發報的功能跟老闆彙報。 每個企業的老闆不一樣,管理方式不一樣,企業E化程度不一樣,以下列舉幾個行業的例子,在進行FineReport報表製作和BI商業智慧軟體的專案中長期積累的經驗。案例都是真實的,這裡就做隱匿處理了。 案例一:某醫藥行業——數據決策應用於業務管理 醫藥商業作為供應鏈的中間環節,在發揮物流配送功能的同時,承擔著資金周轉的重要職能,因此對於醫藥企業利潤最大化的關鍵因素是毛利水平的提升和費用成本結構的優化。公司運用全成本核算的方法,創新了CVP價值分析模型,精確測算客戶、品種、供應商的凈利潤水平,並進行因素影響分析,通過挖掘利潤增長點,提供行銷決策參考。 那麼這個對於整個醫藥運營來講一個算輸入一個算輸出,圍繞著輸入輸出我們開展了幾個維度的分析,客戶層面的和業態層面的,第二個是供應商層面的,第三個是品種層面,然後是業務人員層面。在這個模型中,有很多指標,很多關鍵項因素,我們要讓大家知道每個指標之間的關係是什麼,每一項指標的語意的定義是什麼並且統一。 於是,我們建立了上下一致的對數據理解的過程,除此之外利用這樣一個架構去完成幾個場景的決策。 第一個是業務結構的優化。通過平台上的數據去分析什麼樣的品種可做什麼樣的品種不可做,哪些品種帶來的利潤收益最大,哪些不掙錢。目的是指導大家做業務的結構調整。 第二個就是談判就是貿易。我們要去引進一個新的品種,這個品種能帶來多少收益?我們通過數據平台的這些參數的關係,在每一次談判之前由我們的財務部門做分析和策劃。 第三個是經濟化的預算。 第四個是對人員的考核,考核的指標來自之前提到的各個維度,比如說利潤。 第五個是專案決策,每一次做專案投入,都通過數據分析平台來做支援。 案例二:某製造業——數據分析提高生產線的效率,實現生產視覺化 製造業比較注重生產效率的提升,而生產效率受企業管理、製造、流程、創新等多因素的影響。比如在生產效率核算方面,通過記錄考勤數據和生產線產量數據,導出各條生產線的實際消耗工時值,並通過實際與計劃消耗工時的比值,計算各生產線的效率值。該效率值可用於合理安排各工段不同階段的班次需求和人員配置方案。 案例三:某餐飲——數據分析幫助市場部門市選址 一家新餐廳的開設,前廳和後廚的面積應該是怎樣一個比例?二人桌、四人桌、八人桌以及包間該怎麼搭配擺設?這些資訊在過去都是憑藉經驗去決定。通過對以往餐廳數據統計和數據分析,可以得到一個準確的數據參考,降低開設的風險。 以往公司的老闆比較熱衷於大店的模式,但是到底適不適用,並沒有一個準確的結論。後來針對這些門店做了一個評測方面的數據分析,分析每平方米可獲得多少營收。最終發現小型門店所獲得的效益要比大型門店高。因此針對這種情況,公司在戰略上做出了相應的調整,降低部分大型門店的數量,增加小型門店。 案例四:某航空公司——數據分析與業務合作的操作思路 操作上,在前期建立數據平台時,可以不斷定一些目標,定一些主題,做成果展示,經常讓業務人員以及老闆分享,讓其參與評價和建議,不斷優化和改善,當相關人員都有參與感時,數據平台才會持久發展。 · 確定數據平台技術架構與確定分析主題並行。 · 快速迭代,緩解業務部門手動分析壓力。 · 先出數據報表,積累業務經驗建立模型進行分析並不斷改進。 · 注意技術準備與業務知識準備,以備滯後的大數據分析軟體搭建平台和業務建模。
文 | 去哪兒 源 | 簡書 很多讀者給我後台留言數據分析應該怎麼入門,怎麼提升,怎麼找工作?那我想說數據分析你可以看做一個職業也可以看做一項技能,薪資水平決定你需要的能力是多少? 以下我就整理了一些關於數據分析的問題,統一回復。 問題一:無任何分析經驗和基礎想要入門數據分析,如何入門? 我先用一個比較接地氣的例子介紹一下數據分析。在企業中,數據分析就像做一道菜,菜是你最終需求的成品,數據分析師就是廚師,設計方案就是下單,數據採集就是備料,數據處理就是切配,數據分析就是烹飪,數據呈現就是菜品最後的呈現裝飾。 再舉個簡單的例子,假設你需要用數據分析去選擇A,B,C三種護膚品中的一個,這是你的目的,這時你的選擇困難症來了,你現在知道的信息如下:A,B,C的價格,A,B,C的功效各自不一樣,價格和功效都是你關心的(你想要價格適中,具有保濕程度相對好一點的,但在這兩種里,你更看重功效),但是功效比重各不一致,這時候就可以用到數據分析了,三個樣本的價格和功效的數據表示,就是分析所需要的最基礎的原料,而有些時候這些數據不是我們要分析的數據形式,比如說功效這個產品說明裡面是用程度去表示的,比如說保濕極好,防晒一般,那這些是定性數據,我們沒辦法對定性數據進行分析,所以要將這些數據進行一些加工和轉換,比如說將極好,一般這些程度詞用數字(1-5中的某個值表示),值越大,表示極好,越小表示幾乎無效。當用數字可以表示,可以應用在我們之後的分析模型的時候,這就是一個數據準備的過程了;這部分時間要花去數據分析時間的70%,因為數據準備的質量決定著之後的分析質量。數據準備中主要兩大知識塊:缺失值的處理和異常值的處理。 之後就是模型的建立,像以上的例子中,我們假定已經夠造了一個模型(層次分析法)解決這個問題,那這裡問題來了,我們怎麼知道用哪些方法和哪些模型呢,這就需要知識儲備了(一些分析方法和演算法的掌握,比如說預測:AR模型,MA模型,分類:決策樹,不要被這些演算法嚇到了哈,我只是舉個例子)。那這個模型構造出來了,每個模型並不是完美的,怎麼去評價你的模型呢,即怎麼評價你的結果如何呢? 那後面就是模型評價了,在上述的例子中就是看你分析出的結果,即你根據模型分析選擇的B符不符合你當初的期望值,是不是吻合(當然,在正規的數據分析中有對應的評價指標,比如說分類的混淆矩陣,預測的梯度提升等)。在我的工作經驗中,這部分應用一般,主要是實用為主,但是如果是做研究,寫論文等,這部分很重要,就是對你模型優劣的論證。 數據分析大致流程就是四個方面:數據準備,模型設計,模型評價,分析報告展示(如果應對的是需求客戶的話這一步驟也不可少),步驟雖然少,但是每個方面涉及的內容多到崩潰,所以結合您的實際情況我的建議是先找一個有關您課題的分析目標,然後從這個目標出發,結合我上面所說的那四個流程,每個流程下選擇您需要解決的這個問題的解決方案(比如你的目的是評分),然後針對這個問題去了解這個模型所需要的解決方法(比如說層次分析法,主成分分析法之類),這樣由問題展開去學習,比剛開始做足準備再去開始有效的多。 那上面是數據分析的學習方式,再梳理一下學習工具。個人學習的話強烈建議用R語言去做統計分析,現在利用R語言尤其是在科研研究中是主流趨勢。R語言不需要很厲害的編程邏輯或思維,入門比較容易(最慢三個月也入門了),它裡面都有現成的函數工具包,而且模型應用面很廣,幾乎現在涉及的統計分析和大多數演算法都能找到現成的函數包。 工作場景的話,建議把Excel用熟練,因為最常見的就是報表製作,製作數據決策報告了。Excel可以靈活地應用各種本地數據的處理,如果要涉及到和資料庫的交互的話,公司可能會有報表系統,或者OA、ERP自帶的報表功能。那像我的話,公司有數據中心专案,用finereport報表和BI系統搭建了一套數據決策報表平台,用設計器開發報表, 類似excel。 推薦基本我看過並且很受益的入門書籍 從易到難,按安排時間閱讀為好: 1 數據分析:企業的賢內助(入門級) 有kindle mobi版,如果入門級書優先推薦,那我首推這一本 特點:重點講述了數據分析的應用場景和一些簡單的統計分析方法。也比較有趣 閱讀難度:1顆星 有趣程度:3顆星 受益程度:4顆星 2 誰說菜鳥不會數據分析(入門篇和工具篇2本,有電子書) 閱讀難度:1顆星 有趣程度:2顆星 受益程度:2顆星 特點:以生動有趣的方式講述數據分析是「神馬」,數據分析的幾個步驟。以及以EXCEL為分析工具進行的分析操作和方法。 3 赤果果的統計學(有電子版) 閱讀難度:2顆星 有趣程度:4顆星 受益程度:5顆星 這本書主要是結合現實中有趣的現象去闡述統計學,是我閱讀過的通俗易懂而且內容對於知識的理解很是有深度啟發性的統計學書籍,沒有之一。 4 深入淺出數據分析 閱讀難度:2顆星 有趣程度:3顆星 受益程度:4顆星 以下內容是粘貼百科的,因為比較全面 以類似”章回小說”的活潑形式,生動地向讀者展現優秀的數據分析人員應知應會的技術:數據分析基本步驟、實驗方法、最優化方法、假設檢驗方法、貝葉斯統計方法、主觀概率法、啟發法、直方圖法、回歸法、誤差處理、相關資料庫、數據整理技巧;正文之後,意猶未盡地以三篇附錄介紹數據分析十大要務、R工具及ToolPak工具,在充分展現目標知識以外,為讀者搭建了走向深入研究的橋樑。 工具篇: R語言實戰(有電子版) 閱讀難度:2顆星 有趣程度:1顆星 受益程度:5顆星 這本書利用R語言對於統計方法的應用很全面,特別全面,是我入門R語言的最好的啟蒙書。剛開始學可以先將這本書上的示例和程序都手動模仿學習一遍,這本書是值得閱讀兩遍的書。 問題二:sas,r,python在金融行業數據分析,數據挖掘方面的優劣比較,及未來發展趨勢 解答:先說一下sas與其他兩個工具的區別 1 […]
本文來自帆軟粉絲captain在帆軟論壇的分享 商業智慧、數據分析已成為時下熱點,特別是企業上線ERP、CRM等系統後,數據量持續龐大的增加。 如何把數據轉化為信息,讓業務人員能看懂,管理人員能做決策,支撐決策層做戰略規劃? 數據分析、商業智慧應用的出現本身就是為了解決這個問題。雖然建設成本和ERP相比,要低很多,但成功實施數據分析、商業智慧專案依然困難重重。 這裡主要探討基於Finereport這類報表軟體、FineBI這類BI商業智慧軟體在企業應用中遇到的挑戰,但不限於一定要用這兩款數據分析工具。 干擾數據分析項目成功的因素 1、資金 缺少資金,領導不重視,不支持 資金分配不合理,部分模塊缺少必要資金,比如資金都用來買大屏設備了,軟體系統開發錢少了 2、人員 領導層: 領導沒有看數據的習慣,始終叫人開會、口頭彙報 領導不會使用電腦,教他使用業務系統難度太大 業務層: 業務負責人不用商業智能系統,還是老跟IT要數據 業務部門沒有看數據習慣,看也就只看銷量、財務等數據匯總表格,千年不變 政治: 就是個政績工程,好看就行了,不需要對業務有多大用 涉及到內部、外部利益鬥爭,相互之間不配合 實施團隊: 實施團隊技術能力差 實施團隊對業務理解能力差,溝通太費勁了 實施團隊太強勢,不負責,業務部門被迫妥協,所以數據決策系統不太好用 之前實施團隊不靠譜,被坑了,專案半途而廢,現在「怕蛇咬」了 3、業務系統 業務系統難以集成,技術框架限制 缺少ERP、CRM這類的大型系統 4、軟體 軟體開發入手困難,公司資訊技術部難以多人掌握 軟體太複雜,開發建模操作難度大,導致開發周期太長 平台操作複雜,界面不友好,業務部門使用抱怨大 5、數據 缺少所需的數據源 數據採集更新效率太低,報表喪失了時效 有數據,但數據的維度比較少 有數據,但是數據粒度不夠,沒什麼明細類數據 數據混亂,沒有主數據管理,報表分析結果被不同部門分別質疑 數據質量差,好多缺失、錯誤、冗餘數據,難以清洗 6、需求 領導層、業務層需求不明確,無法用分析圖表展示出來 業務部門對報表分析的智慧要求太高,想要個「諸葛亮」 業務需求太多,工作量超出可實現範圍 缺少指標和報表的規劃,報表修改不斷,專案沒有結束的時候 缺少經營分析體系規劃,報表按照專案要求,開發了很多,但是大家感覺還是不太夠用,想要的分析沒有 體系規劃有問題,不同的報表數據、結論衝突,數據統計口徑不統一
文 | 帆軟數據應用研究院 任敏 一、為什麼要做競品分析? 以筆者比較了解的家電、3C產品廠商為例,企業在資訊化建設過程中會選擇做內部數據分析,例如銷售、生產、庫存數據分析等,這對企業了解自身整體運營情況非常有用,但是這些資料對把握市場動態、了解客戶需求來說作用十分有限,而對外部數據的分析工作可以幫我們很好的彌補這些不足。 競品分析是外部數據分析中非常重要的一個模塊,尤其是對一些家電、3C產品為主的企業,會有大部分的行銷渠道是通過B2C的方式在電商平台上完成的。如果能將這部分數據包括競爭品牌的經營數據拿到,採取對比、關聯、趨勢、因果等方法進行數據分析,會給企業經營帶來意想不到的好處,總結如下: 電商數據自動分析處理,更高頻、更準確,避免傳統人工採集帶來的資訊延遲、錯漏、耗時等問題; 了解自己品牌產品的市場份額及競爭力,有助於及時調整行銷策略; 對比競品的價格分布,規劃自己品牌的價格帶,有利於滲透市場; 分析促銷的頻度、深度和效果,制定適當的促銷策略,搶佔市場; 分析品牌特徵,加速主流產品的資源傾斜,最大化市場佔有率; 了解客戶評價,反饋引導產品及服務改良或創新。 二、品類品牌分析 競品分析第一步要做的是找到分析對象,這個對象指的就是競爭對手,家電和3C產品在市場中的品牌很多,競爭也相當激烈,按照市場區域分布及產品類別很容易找到對應的競爭企業及品牌。 參考市場主流分類方法,按照產品外觀、功能、性能等角度,將競品品類進行細分,並與自身的產品品類結構進行對比,找出缺失和多餘的細分品類清單,再分析這些品類目前的銷售趨勢: 如果缺失的品類市場趨勢利好,則考慮產品引入,搶佔市場; 如果多餘的品類市場趨勢低靡,則考慮放棄該品類,及時釋放資源。 有助於企業調整自身產品品類結構,跟隨市場方向、避免資源浪費。 三、市場份額分析 品類結構梳理出來之後,接下來就是對不同品類的市場份額的分析。同一品牌不同品類銷量銷售額對比分析,了解不同品牌的主流產品類別、結合成本,分析毛利率和凈利率,得出不同品類對銷售盈利的貢獻程度。 同一品類不同品牌銷量銷售額佔比分析,了解自己所佔的市場份額。 按時間維度做走勢分析,了解銷量佔比的變化情況,對於連續下降的情況進行分析,可能是競品提前做了促銷宣傳或是拉低價格等手段,避免打破品牌戰略的平衡狀態,導致市場重新洗牌,到時候就非常被動了。 四、價格滲透分析 某一品類的銷量高並不代表該品類的銷售額一定高,同理,某一品類的價格高也並不一定代表該品類盈利多,對於關鍵產品參數相似的品類,價格往往決定市場走向,所以如何在最大化單品盈利和市場接受程度兩者平衡中找到屬於自己品牌的價格區間顯得尤為重要。 就單一品類來說,不同企業對於產品研發生產的投入是不一樣的,簡單的可分為高端、中端、低端產品三種定位,不同定位也有不同的成本和對應的價格,做不同品牌價格區間與銷量的對比分析圖,如果某一品牌在高端產品有著絕對的市場佔有率和競爭力,而低端產品市場品牌混雜收益不高,那麼可以選擇中端定位來主推產品。 在同一定位層,如果在某一價格區間競爭激烈,在成本可接受範圍內,可以考慮下降一個價格區間,避開鋒芒進行產品定價,對於新產品的投放和市場滲透來說是非常有幫助的。 價格帶分析可以幫助企業了解自身所處的定位區間,及時調整價格策略,避免價格帶留有太大空白,導致競品壟斷。 五、促銷活動分析 電商平台上會經常根據季節變化、節假日或集體性活動來開展促銷活動,例如新年、雙十一、夏季空調促銷等。對競品價格和銷量的監控可以有效識別出其是否有促銷活動,可以針對性的制定應對措施,防止市場大面積流失;對往年促銷活動開始時間點、持續時間、次數的分析,得出促銷的頻度,以此制定今年的促銷策略;對促銷過程中價格和銷量的走勢分析,再做同比、環比分析,可以看出其促銷的深度和效果,再和競品的促銷效果做對比,對後續的促銷工作有指導意義。 六、客戶評價分析 對電商數據分析中比較重要的一個模塊是客戶評價分析。根據產品SKU獲取客戶的評價內容,分析其好評率和差評率,得出其客戶評價的整體情況,同時也可以和競品做對比分析。對具體的評價信息進行關鍵詞檢索,可以統計出企業關注的一些產品或服務問題,例如空調的製冷效果、噪音大小、安裝亂收費等,找出不同品類中最突出的問題,反饋至產品進行設計改良,或者找競品中問題較少的產品,拆解分析參考改良。 客戶的評價是對產品在實際使用中的反饋之聲,能夠幫助企業真切的認識到產品外觀、功能、性能上的不足,而針對這些不足的改善也是最能夠把握住客戶把握住市場的地方。 七、行銷趨勢分析 通過對自身數據或競品數據的長期監控,可以進行行銷趨勢的相關分析。根據相對穩定的銷售額年增長率情況以及季節、節假日等相對規律的周期性質的變動情況,來提前預測下一個時間節點的市場需求量,及時調整企業自身的採購計劃、生產計劃等,避免貨物大量積壓或缺貨斷貨現象的發生;根據不同品類的銷售走勢情況,確定主流產品,及時資源傾斜,最大化利益,對沒有市場競爭力的老舊產品及時清倉淘汰;分析競品的行銷趨勢,掌握競爭對手的行銷方向,根據情況及時調整自身的行銷策略。 本文以品牌商的角度從市場層面進行分析,並未涉及到店鋪維度的分析,所以沒有講解客流量、轉化率、訂單等指標。電商的訂單分析相關的指標,可以參考這篇文章:如何開展銷售數據分析? 主要包含主流的銷售額、訂單量、完成率、增長率、重點商品的銷售佔比、各平台銷售佔比;更多的也可以跟蹤利潤、成交率(轉化率)、人均產出等。 註:文中分析和圖表均用FineReport製作 市場行銷數據分析熱門文章 你與牛逼行銷的差距,就差這一套分析體系! 8個數據分析方法,指導行銷策略 網路運營,應該分析哪些數據和指標? 萬和新電氣擁抱工業4.0:傳統行銷變革×數位轉型=精細化行銷管理 大數據打造數字郵政,實現360°無死角精準行銷 網路運營數據分析(一):如何進行流量分析? 網路運營數據分析(一):如何進行流量分析? 網路運營數據分析(三):如何留住用戶?
小編上次寫了篇大屏數據視覺化的文章《大屏做成這樣,領導不重視你都難!》,圍繞布局排版、配色、點綴以及動態效果等方面,闡述了帆軟的一些經驗,文章中酷炫的大屏效果引起了很大反響,非常多熱心的用戶留言諮詢是怎麼做的。為了滿足大家如此熱忱的求知慾,小編今天就用實際案例來教大家按套路做大屏儀表板。 上圖是一張視覺設計稿,也是小編今天要教大家實現的內容。開做之前,我們先做點準備工作:確認需求、準備數據、整理素材。這裡假定需求已由業務部敲定,數據IT部也整理好了,而需要的背景、邊框等素材小編事先都整理過,如下圖所示。 OK,準備工作就緒,那就開始動手了。按照上次帖子的總結,我們設計大屏儀表板遵循四個基本套路:1)布局排版2)色彩3)點綴效果4)動畫。 一、 布局排版 業務部門的需求,是要重點展現集團銷售總額數據以及各地區的數據,其他次要內容是進行一些數據分析,包括歷年銷售對比、各產品線銷售、熱門產品、實時交易、新老客戶佔比等。我們從常見的幾種主次分布排版樣式里挑選了一種作為此次的版面,如下圖所示。 由於集團業務遍布全國,所以區域銷售數據我們認為用地圖展示比較直觀,而全國的總銷售額這一數字疊加在地圖上進行展示。另外,對比類的數據適合用柱形圖,佔比類的數據適合用餅圖,交易明細數據適合用表格。這樣,我們就確定了布局裡的幾個主要元素:地圖、數字、柱形圖、餅圖、表格。打開finereport報表製作與商業智慧軟體的設計器中,按照布局樣式,從組件欄拖入對應的圖表元素到指定區域並綁定數據,如下圖所示。 點擊預覽按鈕,瀏覽器端的效果如下圖所示。到這裡第一版效果就出來了,主次排版讓界面看上去很規範,但配色沒有經過改良所以效果一般。 二、 色彩 在上次帖子里,我們總結過,大屏的主體背景建議用深色系,這樣可以有效避免視覺刺激。如此,我們把第一版demo背景調一下,小編從五個推薦的背景顏色裡頭隨便選了一種(R6 G64 B102),得到第二版效果。 由於整體背景是深色的,使得我們的一些標題文字還看上去不明顯,而且圖表製作也有種沉悶的感覺,小編稍微調整了下,把文字內容改成淺色、圖表則換稍微明亮一點的顏色,得到第三版效果。 到第三版,其實demo已經做的差不多了,排版合理有層次、色彩也符合多數人的閱讀習慣。但是,做人要有追求,不能就此止步,小編要把demo改造得更炫一點。根據上次帖子里的總結,用一些帶有星空、條紋等的圖片作為整體背景,可以讓效果富有科技感。於是小編從自己事先整理的素材庫里,挑選了幾張圖片進行嘗試,果然分分鐘變得高大上了呀。如下圖所示第四版效果,頂部標題處的光耀有木有非常nice? ! 三、 點綴 在第四版效果基礎上,我們還可以更進一步,為各個組件、標題添加一些邊框來提升細節處的觀感。 首先是改造頂部大標題,在大標題兩側各拖入一個報表塊,為報表塊添加背景圖片(注意:添加的圖片最好是對稱的)。 預覽,大標題改造後的效果如下,左右對稱線條極大提升美感。 其次是改造各個組件的小標題,方法很簡單,直接為小標題所在的報表塊組件添加合適的背景就行。小編又又又從事先準備好的素材庫里挑了個元素出來,最後選定效果如下。 再接下來,我們給各個組件添加邊框元素,小編叒又從事先準備好的素材庫里調了幾個邊框出來(現在知道為啥小編在文章開頭就強調素材的重要性了吧),最後我們得到第五版效果如下。 四、 動效 在第五版效果之後,我們整個demo基本上可以交付了,但是由於大屏本身場景特殊,純粹靜態展示讓人感覺大屏是死的,缺乏活力。為此,小編給demo加上一些動畫效果,提升一下demo的活力及視覺觀感。 首先我們來為銷售總額設定數據監控,讓其每隔1秒獲取最新數據,這樣銷售總額數字會實時動態變化,操作如下圖所示。 然後呢,再給圖表添加閃爍動畫,設置起來非常簡單哈,不涉及到任何代碼。 再接著,咱們來給地圖添加一個數據監控,讓各區域數據在地圖上自動彈出提示。 最後,右下角的明細數據展示,小編覺得,如果用滾動輪播的形式會更好,於是就加上了。由此,第六版,也就是本次demo的最後一版終於可以交付啦,大家看GIF效果,求好評!!! 小結 怎麼樣,是不是按照套路做大屏儀表板,很容易做出漂亮的效果呢?其實在第四步動效環境,我們還可以加入更多交互效果,比如地圖鑽取,點擊某個省份穿透到市級地圖;或者比如聯動,點擊左上角的區域排名柱形圖,則產品類別佔比餅圖聯動顯示具體省份的數據。 其實,做任何事情都有一些基本的套路,就看你有木有用心發現、用心總結。如果你對大屏數據可視化感興趣,有類似的項目需求希望合作,或者是有更多的想法和經驗願意跟我們分享,又或者是有任何的疑問,都可以聯繫我們。
文 | 帆軟數據應用研究院 李培鑫 申明:文章內容來源於帆軟FineReport商業智慧軟體的專案經驗總結。 FineReport提供完備的銷售資料管理、銷售報表製作、銷售報表分析的解決方案,可以快速製作出好看實用的銷售分析預測報表。 接下來,直接進入銷售預測的的乾貨! 一、為什麼要做銷售預測? 「我為什麼始終無法獲得準確的銷售預測?」我經常能聽到CEO、CFO、銷售經理這麼抱怨。銷售預測對高效銷售管理和業務資源配置至關重要。降低庫存、協調工人工期、採購備料、評估銷售團隊都需要精準的銷售預測,預測的精準度對上市公司股價而言,更是不能有絲毫含糊。 那麼,為什麼要做銷售預測? 對於公司和銷售人員,預測意味著: 在將來的一段時間裡,公司的運營目標,以及使用什麼樣的方式可以達成目標,比如: 2017年,**公司銷售目標N個億元 2018年,銷售目標2N個億;2019年,10N個億! 最終通過銷售預測,來實現集中銷售,迅速突圍;強大渠道,做響品牌;市場導向,快速反應。 既然銷售預測作用如此之大,那麼如何完成公司的銷售指標(每個月的銷售指標)?可以通過以下幾步分析出發:預測,計劃,實施,分析成功經驗和存在差距,最終加以改進。 以醫藥企業為例,一般常用的運營模式: 新產品:新品開發—消費者測試—銷量預測—原料葯採購—工廠生產—渠道鋪貨—終端銷售—消費者 原有產品:銷量預測—原料採購—工廠生產—客戶要貨—物流配送—終端銷售—消費者 如果沒有銷售預測容易出現的窘境,例如: 原料葯採購大宗物料的時間大約:5-90天;工廠生產的時間大約:2-20天;物流配送的時間大約:1-10天。 基於上述情況導致的窘境: 在終端進貨過程中:「我要現貨!」「沒貨,那我就去別的廠家!」 對於銷售人員與經銷商來說,則是:失去最佳銷售時機,銷售指標不能完成! 所以,我們需要通過銷售預測來「切實計劃,實現承諾」! 二、如何來做銷售預測? 可以根據每個月銷售目標的制定:看前一至兩年的歷史情況,分析趨勢和變化原因; 結合宏觀經濟情況,季節變化,新品上市及推廣活動,促銷活動,區域市場行業的競爭情況,廣告的投入等綜合判斷: 例子1:通過基值預測銷售 基值:每個月的實際銷售額除以當年每月的平均銷售額,反應了銷售的季節性因素。基於現狀能夠得到哪些結論? 可能結論: 1、春節前的一個月是銷售旺季,問題:春節當月是淡季嗎? 2、3月,4月和5月以及8月,9月,10月,11月和12月是旺季,必須抓住。 3、在這兩波銷售高峰中,主要的拉動因素是什麼?–節假日集中。 例子2:趨勢預測分析-行動平均演算法預測銷售 在「歷史重演」的慣性假設條件下,基於外部數據分析對未來做出估計。在運用加權行動平均演算法時,權重的選擇是一個應該注意的問題。一般而言,最近期的數據最能預示未來的情況,因而權重應大些。例如,根據前一個月的銷售情況比根據前幾個月能更好的估測下個月的銷售情況。但是,如果數據是季節性的,則權重也應是季節性的,例如,不能以1月份保健品的銷量來預測春季的銷量,1月時春節前期保健品銷量大。 此法適用範圍: 1、當數據包含季節、周期變動時,移動平均的間隔數與季節、周期變動長度一致,才能消除其季節或周期變動的影響。 2、行動平均數並不能總是很好的反映出趨勢。由於是平均值,預測值總是停留在過去的水平上而無法預計會導致將來更高或更低的波動。 不適用範圍: 1、時間序列存在比較明顯的季節性趨勢時,不適於使用行動平均。 2、時間序列存在比較明顯的發展趨勢時,不適於使用行動平均。 3、行動平均分析需要有大量的歷史數據才可以進行。 例3:滾動預測銷售 按照【近細遠粗】的原則,根據上一期的預算完成情況,調整和具體編製下一期預算,並將編製預算的時期逐期連續滾動向前推移,使預算總是保持一定的時間幅度。簡單地說,就是根據上一期的預算指標完成情況,調整和具體編製下一期預算,並將預算期連續滾動向前推移的一種預算編製方法。滾動預算的編製,可採用長計劃,短安排的方式進行,即在編製預算時,可先按年度分季,並將其中第一季度按月劃分,編製各月的詳細預算。其他三個季度的預算可以粗一些,只列各季總數,到第一季度結束前,再將第二季度的預算按月細分,第三、四季度及下年度第一季度只列各季總數,依此類推,使預算不斷地滾動下去。 例子4:實際與預測差異分析法 既然是預測,必定會存在誤差,那麼實際與預測差異分析也是銷售預測分析中的重要環節。 既然存在誤差,那麼如何提升銷售預測的準確性呢? 三、如何才能提升銷售預測的準確性? 計劃不如變化快……市場環境的變化,客觀因素的變化,競爭因素的變化,我們面對的是一個瞬息萬變的大環境。 準確的銷售預測對公司意味著什麼? 1、減少脫貨:抓住一切銷售機會! 2、以最小的成本和風險運作,提高盈利能力:庫存周轉率提高! 準確的銷售預測對銷售人員意味著什麼? 科學制定每個月的銷售目標,並且確定達成這些銷售目標的工作計劃;只有提前計劃,充分準備才有可能樹立完成銷售指標的信心! […]
文|帆軟數據應用研究院陳明明 稻盛和夫利用阿米巴經營模式,先後把京瓷Kyocera、第二電信(KDDI)、日本航空帶入世界五百強,且用了一年的時間把日本航空從宣告破產到實現了盈利1884億。一家公司的成功可能是巧合,但三家公司的成功證明了阿米巴經營的巨大價值和可移植性。 2008年馬雲第一次拜會了稻盛和夫之後,表示受益匪淺,稻盛和夫的阿米巴經營模式,深深地影響了他。馬雲拆分25個事業部的經營思路與阿米巴經營模式如出一轍,就是將企業劃分阿米巴組織,每個阿米巴組織(簡稱「巴」)在巴長的帶領下獨立經營,發揮全體員工的經營潛力。而華為參考阿米巴的方式,改革薪酬體系,向基層釋放權力,形成面向客戶的『鐵三角』經營單元。由工資倒推任務,提高人均毛利,減人也要增效在慢跑中推進增量績效管理。 在中國北京、上海、無錫、大連、青島、廣州、重慶等地設有盛和塾分塾(阿米巴理念的宣傳和交流機構)。阿米巴理念如此備受推崇,它究竟是如何運作的呢?下面就為大家詳細的對阿米巴進行介紹。 1.阿米巴經營的誕生 阿米巴經營是一種回歸企業本質的集體管理模式,以「追求全體員工物質和精神兩方面幸福的同時,為人類和社會的進步和發展做出貢獻」為經營理念。以人本位、分權管理、跟隨市場的思想貫穿在整個經營體系之中,這三種思想的誕生和稻盛和夫先生本人有著很大的關聯。 其中以人本位的思想,很多是稻盛和夫先生把自己做人、做事的思想融入到企業管理中所形成的。在創業之初,稻盛和夫憑藉一身過硬的技術能力,拉來了第一筆「風投」。其中西枝先生更是以抵押房產來提供支持,使稻盛和夫體驗了到了沉重的責任感。與此同時,戰後日本經濟蕭條,勞資關係緊張對立,員工集體抗議,更讓稻盛和夫認識到,經營管理的好壞不僅關係到企業的存亡,更關係到各個員工的生存問題。 阿米巴經營管理思想並非企業管理的唯一聖典,它的管理思想和國內很多企業的管理思想都有著共通之處。比如大家所知的「海底撈」,它的家庭式管理就蘊含以人本位和分權管理的思想,同樣給企業帶來了巨大的成功。香港利豐集團的大公司規模,小公司運作的思路和阿米巴的分權管理有著異曲同工之妙。 2.阿米巴經營所要實現的目標 阿米巴並不是一套規定模式的經營訣竅,並不能為企業直接套用,原因是阿米巴以經營哲學為基礎,是與公司運作的各項制度息息相關的整體經營管理系統。 所以我們不僅要明確它要怎麼做,還要了解它想要實現什麼樣的效果。 2.1.確定與市場掛鉤的部門核算制度 2.1.1 及時把握企業經營狀況 對於大多數的製造型企業,原材料的價格和產品的價格往往不是企業自身可以決定的,成本費用的消耗是跟隨著企業的經營方向而不斷變化的。因此在市場環境急劇變化的情況下,幾個月前價格變動和成本消耗側重點的少量數據放在現階段基本起不到作用。 2.1.2 追求銷售額最大化和費用最小化 追求銷售額最大化和費用最小化基本是每個企業都想要實現的狀態,但是阿米巴經營對此有兩種不同理解。1.追求銷售額最大化和費用最小化的過程是無限的,這就代表企業的利潤是可以超乎想像的,不受同類型企業和市場狀況的影響。日本航空就是一個經典的案例,在同時期,乘客數量低於「全日空」,但利潤是「全日空」的三倍。2.從售價反推,認為產品的定價不是簡單的提價,關鍵在於找到客戶樂於接受的最高價位,在後續的定價管理中會詳述。 2.1.3 基於原則的部門核算 追求銷售額最大化和費用最小化的思想固然對企業的經營有很大的幫助,但是如何把這種思想貫徹到基層?基於這個問題,提出了部門核算的概念,此種概念執行了分權管理的思想,帶來了以下好處: 1.及時把市場的资讯傳到到企業的各個部門; 2.管理層可以進行更為細緻的管理,全局把控; 3.方便企業管理思想的及時傳達和執行。 2.2.培養具有經營者意識的人才 個人的精力是有限的,把各單元的經營權下放到阿米巴領導,從而培養一批共同管理、分擔企業經營管理的人才。 2.3.實現全體員工共同參與 勞資對立存在於很多企業之中,其根本原因是經營者和員工沒有互相深入了解,往往只站在自己利益的角度看問題。而解決這個問題,不僅要把自身的經營理念融入到經營管理之中,還要實現企業內的信息共享,讓大家感受到自身給企業帶來的價值。 3.阿米巴經營所要構建的內容 阿米巴所要構建的內容都是上述三點目標的支撐和細化,對其中的關鍵點和難以實施的點進行詳細說明,主要分為組織構建、定價管理、單位時間核算制。 3.1.組織構建 3.1.1 組織劃分並非越細越好 組織劃分的合理與否,直接關係到阿米巴經營的成敗。組織的劃分有以下三個原則:1.各巴有明確的收支;2.各巴是獨立完成業務的單位;3.能夠貫穿公司整體的目標和方針。各巴如果不按照原則導致各巴設立過細,會造成資源的浪費,而且後續的定價管理也會受到影響。同時,各巴的正確設立有助於經營者對企業的狀況做出全盤把握,並及時做出調整。 關於第二點進行下說明,為什麼要獨立完成業務的單位。拿原料配料巴來舉例,作為一個單獨的核算巴,它的工作涉及到原料採購、調配,並銷售給下一個巴。在下一個巴同意購買原料的前提下,原料配料巴會儘可能的降低原料採購價格,提升調配工藝,從而提升自身巴的利潤。 3.1.2 應對市場變化的靈活組織 阿米巴的特點之一就是對於經濟狀況、市場、技術動向、競爭對手等的急劇變化,能夠靈活的調整阿米巴組織,迅速做出應對。組織架構的變化分為兩種:量變,企業經營範圍的擴大或者是業務部門的逐漸成熟,比如公司新增加了一條產品線,物流業務等;質變,主要為巴的繼續細分(按照上述的巴的建立原則一般不會存在巴的合并)和巴的整合。 3.1.3 阿米巴經營管理部門的設立 經營管理部門是處理公司整體經營數據,在決定經營方向方面,起到並肩負著收集重要經營信息的作用和責任。正常職責包括構築公司內部業務體系並使其正常運轉;起草、修訂並貫徹蘊含經營理念的部門規章;保障經營數據的準確性和及時性。 3.2.定價管理 在製造業,如果按照各道工序建立阿米巴組織,就可以在阿米巴組織之間形成一種半成品的購銷關係,所以要設定阿米巴之間的售價。但是各阿米巴之間都想提高自身的售價從而保障自身的利潤,如何設定售價對於阿米巴領導來說就至關重要了。 定價的原則是從售價開始倒推來決定各項工序的價格。如果該產品的售價決定了,就由生產該產品所需各道工序的「單位時間附加值」決定阿米巴之間的售價。同時,各阿米巴的定價要由熟悉阿米巴工作的經營高層,以社會常識為依據準確的評價各阿米巴所需的經費支出和勞動力,並公平的決定相應的售價。 3.3.單位時間核算制 大多數公司的財務數據往往知道董事一級,導致一線人員根本不了解公司的經營現狀。即使想讓一線人員了解公司經營狀況,但對於他們來說,傳統財務報表過於負責,而且很難產生和自身工作直接關聯的感覺。 3.3.1 標準成本方式於阿米巴經營的區別 標準成本方式:根據往年的經營狀況定下一年的計劃,今年成本降低5%,銷售額提高10%等方式,這樣會導致銷售為了完成目標,從而自行對產品進行定價售賣,而影響到整個公司的利潤,還有可能導致整體公司的銷售額很高,但是利潤卻很低的情況。 阿米巴經營是以產品的市場價格為基礎,通過公司內部交易,直接把市場價格引入到各個阿米巴,根據公司內部交易價格開展生產活動。並不是單純的追求完成任務指標,而是通過內部的不斷創新來創造產品的附加價值。同時對於人員績效的提升,阿米巴核算表中的指標並不是提升業績、崗位等的關鍵,關鍵在於為這些指標的提升付出了哪些努力,做出了哪些鑽研創新。 3.3.2 如何通過核算表來對公司整體進行把控 單位時間核算表說明:1.勞務費不計入扣除金額和經費開支中,原因是員工的勞務費(員工工資、福利等)不是通過阿米巴可以自行控制的。2.銷售結算收益=總收益-勞務費-廣告宣傳費等銷售活動所需的所有經費。單位時間核算=結算收益/總時間。3.用金額表示目標和成果,每天進行核算管理,統計為月度數據,並在月度初對所有管理項目制定計劃數據。 實行單位時間核算表有哪些好處? 1.提高時間意識和生產率,各巴為了提高單位時間核算,為想盡辦法的充分利用工作時間,如各阿米巴之間的人員挑撥。 […]
第一部分:數據分析框架 為了分析問題的聚焦,我們具體拿互聯網電商來舉例子說明,至於其他的比如互聯網金融、教育、社交等等,可以依此借鑒。 (1)從互聯網實體角度分析。我們可以從以下7個角度構建互聯網數據分析體系。 買家:基本特徵分析、交易行為分析、流量行為分析、售後滿意分析等 賣家:基本特徵分析、經營效果分析、流量曝光分析、售後滿意分析、產品分析等 產品:基本特徵分析、交易行為分析、流量曝光分析、售後滿意分析等 行業:基本特徵分析、經營分析、曝光分析、售後分析、產品分析、買賣家分析等 設備:行動端分析、PC端分析、訪問對象分析、cookie分析、session分析等 日誌:訪問對象URL分析、cookie分析、session分析等 事件:登錄、流量、點擊、曝光、下單、交易、支付、物流、評價、糾紛、仲裁等分析 這個實體分析方法,可以稱得上是萬能的數據分析框架,適用於所有的互聯網企業。我曾工作過的阿里巴巴、騰訊、隨手記等企業,我個人都是按照這個套路去構建互聯網的分析體系。 (2)從用戶的關鍵路徑進行分析。 關鍵路徑分析方法是一個行之有效的常用分析方法,也是做數據化運營的常用工具。關鍵路徑分析讓我們聚焦於核心環節,排除雜音,定位出業務的核心問題,快速的加以解決。在應用關鍵路徑分析時候,我們往往先把可能的結果、以及最關心的結果梳理出來,以結果為導向追溯行為的根本,當然,也可以從行為的初始出發,梳理出所有可能的行為路徑,找出關鍵行為,導向我們最終設計好的結果中去。下面我們舉例子說明下: 在電商網站中,我們假設我們運營目標是讓用戶購買網站上的商品(在這裡,我要插說幾句,我們的目標有時候不只是購買,在精細化運營中,往往會根據用戶的生命周期,確定關鍵路徑的目標,比如對於一個進入期的新買家,我們通常會發一些購物攻略加以指導,針對流失期的買家,關鍵路徑的結果我們可能導向申領我們的優惠劵之類,等等。關於這一部分數據化精細化運營方面,在大數據應用系列的數據化運營小講,我們會詳細加以分享,敬請關注)。剛才談到,我們假設我們運營目標是讓用戶購買網站上的商品,那麼我們可以把關鍵路徑,也即,用戶的購買路徑梳理出來: a.用戶登錄/註冊》搜索關鍵詞》查看商品詳情》加入購物車》點擊下單》確認付款》確認收貨 b.用戶搜索關鍵詞》類目和店鋪》賣家交流》點擊下單》確認付款》確認收貨 通過這種關鍵路徑,我們還常常進行漏斗分析,從而進行流量的轉化分析,找出影響到達最終結果的關鍵環節。 (3)從KPI拆解角度分析。 KPI拆解分析方法也是比較常見的互聯網分析方法。核心思想是先定一個總體目標,比如今年營收12億,那麼可以把這個指標拆解到各個業務線去,業務線再進行拆分,比如分解為12個月,每個月需要達成營收額,接著,就是達成該營收額,根據流量的轉化情況,估算出需要多少的流量,目前平台已有多少流量,需要外拓引流多少流量才能達成目標,這就可以層層的拆解指標,最終或落地到產品團隊或部分到運營團隊去承擔KPI任務。 第二部分:數據分析常用分析方法 常用的數據分析方法有:PEST分析方法、5W2H分析法、4P營銷分析法、邏輯樹分析法、指標拆分法、對比分析法、漏斗分析法、用戶行為分析法、用戶生命周期分析法、金字塔分析法等等,下面我們逐個的簡單說明下 (1)PEST分析方法 這個方法主要應用於行業研究中。從政治(Political)、經濟(Economic)、社會(Social)、技術(Technical),簡稱PEST角度對一個行業進行比較分析。下面我們舉一個例子:我們小講開始就談到數據分析行業前景,那麼我們在此利用PEST分析下大數據行業前景如何? (2)5W2H分析法 這個方法主要應用於用戶行為研究和專項問題分析,從時間、地點、人物、事情、原因、方式、價格等7個方面對一個問題進行刻畫研究。請看如下案例二: (3)4P營銷理論 這個方法主要應用於公司整體經營狀況分析,是比較經典的營銷分析方法。該方法從產品、價格、渠道、促銷等四方面對企業經營狀況進行全面分析。請看如下案例三: (4)邏輯樹分析法 這個方法也稱作問題樹分析方法,主要應用於針對業務存在的問題進行專題分析,是數據分析方法中非常常見的一種分析方法。請看案例四: (5)指標拆分法 這個方法也是經常適用的方法,特別是為了達成業務目標,我們往往都會先定一個總的目標,然後再初步的拆解指標。下面我們講講案例五: (6)對比分析法 對比分析法是非常常用的基礎分析方法,雖然方法特別簡單,但幾乎所有的分析報告中,都會採取對比分析方法。比如去年同期相比、上個月環比、目標和實際達成相比、各個部門和業務線相比、行業內競品比較、行銷效果對比,等等。這裡需要注意的是我們不管是橫向比較還是縱向比較,比較的雙方一定要有可比性,並且在同一個維度、粒度上去比較,要不是毫無意義的。 (7)漏斗分析法 漏斗分析方法經常應用於產品的轉化分析。舉個電商的例子:用戶登錄網站1千萬,瀏覽商品詳情頁200萬,加入購物車80萬,下單支付50萬,支付成功40萬。每一步都是轉化率的問題。針對關鍵路徑進行漏斗分析能夠幫助我們快速的定位到問題所在。從而能夠及時做出決策。 (8)用戶行為理論 也稱用戶的活動周期理論。該分析方法,往往用於對用戶的基礎研究中。用戶行為過程分為認知、熟悉、試用、使用和忠誠5個步驟。 (9)用戶生命周期理論 該分析方法,也往往用於用戶基礎研究中,在互聯網領域應用廣泛。用戶的生命周期分為進入期、成長期、成熟期、衰退期、流失期。每一個階段用戶的行為特徵是不一樣的,其價值是不一樣的,需要精細化的運營。不可急功近利。 (10)金字塔理論 金字塔這個分析方法正好和漏斗分析方法相反,它是基數大,上層小。最初是英國歷史學家、政治學家諾斯科特·帕金森(C.Northcote Parkinson)在《帕金森定律》(Parkinson’s Law)一書中,論述在行政管理中,行政機構會像金字塔一樣不斷增多,行政人員不斷膨脹,每個人都很忙,但組織效率越來越低下。這條定律又被稱為「金字塔上升」現象。後來,人們將這一理論延伸應用,不再只限於本意。大凡是基數大,上層小,符合金字塔特徵的研究分析都可以套用到該理論中。所以,金字塔這幅圖也常常見於各分析報告中。比如,分析用戶群體特徵(馬斯洛需求層次模型、用戶價值模型等等) 綜上所述種種數據分析方法,如果在一份分析報告中,能夠把這些分析方法都靈活反覆體現和應用,那麼,這個分析報告一定會比較豐滿的。 第三部分:數據分析的流程 數據分析的流程主要分為六步驟,遵循這種方法,一個完整的數據分析項目就出來了。 (1)明確分析目的:我們接到一個分析任務,首先要弄清楚我們分析的對象是什麼,要達成怎樣的目的,不能陷於為了分析而分析。然後,要熟悉行業和業務,透徹的理解分析的目的,構建起分析的角度和體系。 (2)進行數據準備:我們有哪些數據,通過什麼途徑可以獲取到需要的數據,往往涉及到內部數據和外部數據,內部數據常常是我們的業務庫或者基礎數據團隊建立起來的數據倉庫系統,外部數據方面,現在各行各業都有大數據交易源,還有大量的公開市場數據。 (3)進行數據加工處理:主要通過數據清洗工作,對重複值進行去重處理、對異常值錯誤值進行修正或剔除、對缺失值進行填充修正或刪除。如果軟體環境為支持大數據量情況下,還需要對數據進行抽樣處理。經過這些預處理後,最重要的就是進行數據的計算統計、合并轉換,讓數據符合目標分析過程。 (4)進行數據分析挖掘:絕大部分的分析目標達成都可以剛才介紹的分析方法外加常見統計分析等達到。主要的分析:整體和組成分析、走勢趨勢分析、均值方差分析、排序TOP分析、同比環比縱橫比較分析、頻度頻率分析、相關關係分析、數量和比例的雙坐標分析、邏輯結構分析、金字塔分析、漏斗圖分析、矩陣圖分析、指標拆解分析、PEST分析、5W2H分析法、4P營銷分析等等。還有一部分分析需要到更高級的數據分析方法才能得到結論。 (5)進行數據結果圖表展現:數據分析的目的就是要解決問題的,往往數據分析師不是需求的發起人,那麼這就需要數據分析師把分析的數據和結論展現給需求方。最佳的方式就是通過圖表,有理有據形象的重點突出且專業的表達出來。根據第(4)步驟的分析,我們可以選取恰當的圖標。比如常用的有:折線圖、柱形圖、條形圖、餅圖、冒泡圖、散點圖、矩陣圖、雷達圖、雙坐標圖、瀑布圖、帕累托圖、金字塔圖、漏斗圖等等。 正如我之前的一篇文章 《圖說可視化,報表也能做得如此酷炫!》,講到帆軟報表製作數據可視化的幾個關鍵點。 (6)寫出分析報告:數據分析最終的結論全部體現在分析報告中,一個分析師水平如何,只要看他寫過的一份分析報告就可以完全清楚了。綜合靈活應用這麼多的分析方法和各種各樣的展示圖表,分析報告一定會顯得非常豐滿。下面一個問題我們再詳細和大家討論數據分析報告的相關事情。